一种用于非线性动态辨识的新型神经网络

为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加了模糊推论与一个递归通道。为验证SCRFNN在系统辨识中的有效性,设计一个新的NDSI在线学习模型与代码设计流程图,并以此作为在线学习架构,将以上3个神经网络模型对4个串-并型非线性动态系统进行辨识分析。经过仿真表明,新提出的SCRFNN通过存储内部状态,具备了映射动态特征的功能,从而使系统具有适应时变特性的能力,更适合于非线性动态系统的辩识。且在模糊规则数、学习收敛速度、学习与预测误差均方根值、预测精准度方面也取得了良好的效果。

一种基于过程神经元网络的非线性动态系统辨识模型及应用

针对复杂非线性动态系统辨识问题,提出了一种基于过程神经元网络(PNN)的辨识模型和方法.根据系统待辨识的模型结构和反映系统模态变化特征的动态样本数据,利用PNN对时变输入/输出信号的非线性变换机制和自适应学习能力,建立基于PNN的系统辨识模型.辨识模型能够同时反映多输入时变信号的空间加权聚合以及阶段时间效应累积结果,直接实现非线性系统输入/输出之间的动态映射关系.文中构建了用于并联结构和串-并联结构辨识的PNN模型,给出了相应的学习算法和实现机制,实验结果验证了模型和算法的有效性.

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.

一类非线性动态系统的非参数GFRF 模型辨识(英文)

本文对一类用多项式描述的非线性动态系统提出使用ＧＦＲＦ模型类的非参数辨识算法．这种算法的显著特点是需要很小的计算量和存储空间，而且辨识精度较高．仿真结果表明这种非参数模型辨识算法是有效的，而且由辨识方法获得的模型一般具有很好的泛化能力，因而是一种具有重要应用前景的实用方法．

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出一种高鲁棒性ＢＰ算法．与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识；（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误样本的影响得到了适度的抑制．把该算法用于非线性动态系统辨识。

简单动态递归神经网络在非线性系统辨识中的应用

提出了用一种结构非常简单的动态递归神经网络(SRNN)辨识非线性系统的方法。该方法研究了在递归层不加权的网络简单拓扑结构,推导出SRNN的预报误差(RPE)学习算法,并对算法进行了补充和改进。仿真实验结果表明,这种网络需要调整的权系值少,且改进后的学习算法简单、辨识速度快、模型精度高,解决了一般动态递归网络因网络拓扑结构复杂造成的训练算法复杂、收敛速度慢的问题,可以实时应用。

非线性Hammerstein系统辨识的动态分离方法

利用同幅值的M序列和逆M序列作为输入信号 ,对Hammerstein模型中的线性动态部分进行分离处理 ,通过辨识得到一个线性动态模型 .基于此线性模型 ,依据系统的测量输出重构出系统的中间输入 .最后由系统的测试输入和中间输入估计出非线性部分的参数 .仿真结果表明本方法的有效性 .

基于Elman神经网络的非线性动态系统辨识

研究了应用动态递归神经网络实现动态系统辨识的原理和方法,在没有被辨识对象的先验知识情况下,通过改进的El-man网络实现了非线性动态系统的辨识。仿真结果表明,与前馈网络相比,Elman网络具有学习速度快、泛化能力强的特点,可用较小的网络结构实现高阶系统的辨识,适用于具有本质非线性动态系统的辨识。

动态非线性连续时间系统的小波神经网络辨识

将小波神经网络应用于动态非线性连续时间系统的辨识 ,同时为了使神经网络的训练达到全局最优和加速小波神经网络训练的收敛速度 ,提出了信赖域算法 ,并研究了信赖域算法的收敛性 .随后进行了算例仿真 ,证明了所提辨识方法的有效性 .

基于模糊对向神经网络的非线性动态系统辨识器

模糊对向神经网络 (FCP)在功能上同模糊逻辑系统的TS模型是等价的 ,它具有神经网络和模糊逻辑系统各自的优点 ,因而适宜作辨识模型 .利用FCP网络为辨识模型 ,设计了一种新的非线性动态系统辨识器 .辨识模型的参数调整采用无监督聚类法和误差回传算法相结合的混合学习方法进行的 ,同时文中还给出选取初始参数的方法 .仿真实验表明提出的辨识器是十分有效的 .

用改进的多分辨小波网络辨识非线性动态系统

多分辨小波网络不便于处理非均匀分布样本和在线辨识非线性动态系统 ,对此提出了两点改进 :首先给出一种把非均匀分布样本近似到小波网格系上的方法 ;然后提出一种可变的小波网络及其学习方法 .最后用改进的小波网络辨识非线性动态系统 ,仿真结果验证了这种改进方法的可行性和有效性 .

一类非线性动态系统的Hammerstein模型辨识

本文根据薄膜热电偶传感器动态标定实验结果 ,研究了辨识一类非线性系统模型的方法 .文中采用 Hammerstein模型作为系统结构 ,在此基础上 ,对模型参数加以估计 .考虑到动态系统各环节之间的输入输出关系 ,进一步简化了 Hammerstein模型结构 ,以便运用简便的方法来估计模型参数 .通过对几组实验数据的仿真和检验 ,证明本文所采用的方法能够获得较好的辨识效果 .

非线性动态传感器系统的H模型神经网络辨识

针对非线性动态传感器模型辨识问题,提出一种新的Hammerstein模型神经网络结构辨识法。非线性动态传感器系统采用Hammerstein模型描述,将系统分解为非线性静态增益串接线性动态环节。再设计一种网络权系数对应于相应的Hammerstein模型参数的新型神经网络结构,推导了基于反向传播的网络权系数调整方法。通过网络迭代训练同时得到静态与动态两个环节的模型参数。最后通过一个H模型的数值仿真来验证方法的有效性,仿真结果表明所提辨识方法是有效的。

基于小波神经网络的非线性动态系统辨识

在小波神经网络的基础上提出了一种辨识非线性动态系统的方法．该方法有效地将系统辨识所需要的结构形式与多层神经网络及小波基函数所构成的分辨率信息处理过程相结合，建立了从数据到符号的自适应机制．仿真结果表明，该方法具有收敛速度快、逼近精度高、鲁棒性好等优点．

基于FLANN的非线性动态系统辨识

采用一种基于FLANN-PSO的SISO非线性动态系统辨识方法,构造了基于FLANN的辨识模型,然后运用PSO优化算法实现模型权值辨识.通过对4种典型非线性动态系统进行了辨识仿真,结果表明该方法具有良好的性能和高辨识精度,它将更适合于工程实际需要.

非线性动态系统的Wiener神经网络辨识法

提出了一种新的Wiener神经网络结构并将其应用于非线性动态系统辨识问题.首先,用Wiener模型对非线性动态系统进行描述,将其分解成线性动态子环节串接非线性静态增益的形式.其次,设计一种新型的神经网络结构,使网络权值对应于相应的Wiener模型参数;并推导了基于反向传播的网络权值调整方法.最后,通过网络迭代训练,可同时得到线性动态子环节和非线性静态增益的模型参数.通过一个Wiener模型的数值仿真来验证方法的有效性,仿真结果表明所提辨识方法切实可行.

基于支持向量机的非线性动态系统辨识方法

讨论了辨识一类非线性系统模型的方法。先假设原非线性动态系统可由静态非线性子环节和动态线性子环节串联——H模型来表示。将H模型的非线性方程转换为类线性形式,从而建立线性过渡模型。对原始测量数据进行组合运算获得线性中间模型的训练样本集,并通过支持向量机线性回归算法求取过渡模型参数。最后再建立过渡模型与H模型系数之间的关系,从而反推出非线性模型参数,实现非线性动态系统辨识。仿真结果表明了该方法的有效性。

多模型小波网络非线性动态系统辨识

由于许多复杂的工业系统具有非线性特性 ,难以建立确切的数学模型 ,因此提出用多模型小波网络辨识非线性动态系统 ,并给出了辨识结构和训练算法 .仿真实验比较了多模型小波网络与单小波网络在辨识非线性系统时性能上的差异 ,验证了该方法收敛速度快 ,抗干扰能力强 。

过程控制系统中非线性系统参数的辨识

针对电力生产等工业过程中常见的非线性对象 ,以二阶时滞传递函数表征其模型 ,运用改进的遗传算法对模型中的参数进行辨识 ,优化实时控制参数。运用全局搜索与局部搜索相结合 ,克服在种群规模减小、压缩使用最优区间的加速算法所带来的未成熟收敛。

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法。首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联——Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识。仿真与实际传感器系统辨识的实验结果均表明该方法可行。